今天想跟大家分享一本非常有趣的書，該書的簡體中文版權已被中信 pre-empt 搶下。無論是心理學家還是計算機科學家，長期以來都對「人類的心智如何運作」這個問題深感興趣。而如今，像 ChatGPT 等 AI 系統的設計也正是建立在人類不同學習模型的基礎上。

 

你是否想過：為什麼聽到門鈴會下意識走向門口？為什麼看到紅燈就會自動停下腳步？為什麼小嬰兒能用不同的哭聲來表達「肚子餓」或「尿布濕了」？這些行為看似本能，其實都源自後天的學習與經驗累積。

 

雖然 David 是文科背景，但書中提到的幾個心理學與學習理論的實驗他都覺得相當有趣，包括「巴甫洛夫的狗」（Pavlov's Dog）、賈西亞效應（Garcia Effect）、赫布學習（Hebbian Learning）、誤差修正學習（Error-Correction Learning）等。以下簡單介紹幾個書中的例子：

________________________________________
🔔 巴甫洛夫的狗（Pavlov’s Dog）
這應該是最廣為人知的經典心理實驗：狗看到食物會分泌唾液，是一種本能反應。巴甫洛夫發現，若每次給食物前先搖鈴，重複幾次後，光聽到鈴聲，狗就會開始分泌唾液，即使沒有食物出現。這代表「鈴聲」與「食物」在狗的腦中產生了聯結。

而作者進一步指出，如果狗已經學會「鈴聲＝食物」，你再加上手電筒閃光（與鈴聲同時出現），狗卻不會把閃光視為與食物有關的訊號，這就是所謂的 阻斷效應（Blocking）：已有的學習會「阻斷」新的聯結產生。
________________________________________
🐭 賈西亞效應（Garcia Effect）
研究人員讓老鼠喝特定味道的水，之後用輻射讓牠們感到噁心。結果老鼠會將「不舒服」與「特定味道」產生聯想，之後再也不喝那種味道的水。這說明：即使真正造成不適的原因並非水的味道，大腦還是會錯誤地建立起因果關係。

這就像我們童年某次吃了某種食物後嘔吐，即使那次不舒服與食物本身無關，長大後我們仍會避開那種食物。
________________________________________
🧠 赫布學習（Hebbian Learning）
這是神經科學與機器學習中的一個關鍵概念，核心原則是：「一起發火的神經元，其連結會變強」（Cells that fire together, wire together.）。簡單來說，就是同時發生的經驗，會在腦中形成更緊密的連結。

日常例子如：聽到下課鐘聲就立刻收書包；聽到某首歌就想起某個人；早上聞到咖啡香，就自然進入「準備上班」的狀態——這些都是赫布式學習在生活中的展現。
________________________________________
🍷 誤差修正學習（Error-Correction Learning）
這種學習方式是靠不斷修正錯誤來改進行為或知識，也是現今許多 AI 系統的學習基礎。例如剛入門的品酒師，必須經過大量訓練與反覆練習，從錯誤中學習，才能逐步建立起對酒的風味與價值的判斷能力。

★此書簡體中文版權在寫作大綱階段被中信pre-empt，此外還授權英國、俄羅斯

 

《心智之道：理解我們與AI的共同智慧》 (The Emergent Mind: How Intelligence Arises in People and Machines)一書帶領讀者深入探索人類與人工心智的運作機制。本書由兩位認知與心理科學領域的頂尖專家共同撰寫：高拉夫・蘇里(Gaurav Suri)博士與 傑・麥克萊蘭(Jay McClelland) 教授。

 

高拉夫・蘇里是一位計算神經科學家與實驗心理學家，現任 RADLab 實驗室主任，致力於研究動機行為與決策的神經機制。他亦為《A Certain Ambiguity: A Mathematical Novel》的共同作者，該書曾獲美國出版人協會獎並被翻譯為六種語言，至今仍被美國及國際多所大學列為指定教材。

 

傑・麥克萊蘭是當代最具影響力的認知科學家之一，為人工神經網路研究的奠基者之一。他與 David Rumelhart 合著的《Parallel Distributed Processing》被視為人工智慧與認知心理學的經典之作，其學術成果已獲超過 14 萬次引用，現為美國國家科學院院士及英國學術院通訊院士。

 

本書提出一個驚人的觀點：我們常見的關於大腦與人工智慧的討論，其實忽略了一個核心事實——人工神經網路不僅僅是受人腦啟發而來，它或許正好揭示了我們大腦的真實運作方式。兩位作者解析為何神經網路成為現代 AI 的基礎，並主張透過了解人腦中的神經網路，我們不但能更深入認識自己，也有可能引領下一波人工智慧的創新。

 

當我們試圖解決問題時，我們會思考、依賴直覺，然後做出選擇。但這一切背後，其實有著深層且複雜的神經活動。作者指出，這些活動可以透過人工神經網路加以模擬與理解。人工神經網路原本是為了模擬人腦而設計，如今卻反過來幫助我們理解什麼是「心智」。本書並非要將人類簡化為機器，而是要說明：無論在人腦或電腦中，一個以資料驅動的神經網路都可能孕育出情感、思想與意識。

 

《心智之道：理解我們與AI的共同智慧》深入探討人類如何做決定、為何會改變想法，以及經驗與環境如何形塑我們的認知模式。最終，這本書也試圖回答人類長久以來的終極問題：心智是如何運作的？而成為「一個心智」又意味著什麼？

 

目錄
第一部：你的心智就是一個類神經網路
第1章：一個邀請
第2章：心智如何從大腦中產生？
第3章：類神經網路能做什麼？

 

第二部：啟動產生思想與行動
第4章：作為記憶系統的類神經網路
第5章：情境的重要性
第6章：我們所做的事

 

第三部：知識與學習：一切都在連結中
第7章：建構（與失去）意義
第8章：新興的思考機器
第9章：當我們學習時，我們改變了連結

 

第四部：延伸與應用類神經網路的架構
第10章：我們新興的思想
第11章：類神經網路架構對我們自身與人工智慧的啟示